【技术实现步骤摘要】
一种基于混合指纹和视距/非视距识别的定位方法
[0001]本专利技术涉及无线通信及定位领域,尤其是涉及一种基于混合指纹和视距
/
非视距识别的定位方法
。
技术介绍
[0002]复杂环境定位系统是物联网
(Internet of Things
,
IoT)
的重要组成部分之一
。
在基于无线电波传播技术的背景下,目前已经开发了许多定位算法,如文献
1“C.Yang and H.
‑
r.Shao
,“WiFi
‑
Based Indoor Positioning
,”IEEE Commun.Mag.
,
vol.53
,
no.3
,
pp.150
‑
157
,
2015.”提出了一种基于
WiFi
的定位技术,其利用无线电波的到达时间
(Time of Arrival
,
ToA)
和到达角
(Angle of Arrival
,
AoA)
来对目标物体进行定位
。
然而此方法在被多径传输干扰
、
或在
NLoS
的情况下,定位误差较大,变得不可靠
。
近年来,提出了许多相应的解决方案,其中基于机器学习技术的定位系统由于具有较高的成本效益和灵活的定位服务而受到业界的广
【技术保护点】
【技术特征摘要】
1.
一种基于混合指纹和视距
/
非视距识别的定位方法,其特征在于,包括以下步骤:
S1、
获取访问节点和不同位置的参考节点之间的信道冲击响应,提取视距
/
非视距场景下的信号传播场景
‑
信道特征参数集,建立混合多种信道特征参数的信号传播场景
‑
信道特征参数指纹数据库;
S2、
提取与参考节点位置具有映射关系的位置
‑
信道特征参数集,建立混合多种信道特征参数的位置
‑
信道特征参数指纹数据库;
S3、
将信号传播场景
‑
信道特征参数指纹数据库中的参数集作为最小二乘支持向量机模型的输入并进行训练,输出信号传播场景识别结果;将位置
‑
信道特征参数指纹数据库中的参数集作为分层式支持向量机分类
‑
回归模型的输入并进行训练,输出定位结果;
S4、
采集需要定位的目标的信道特征参数集,输入最小二乘支持向量机模型进行信号传播场景识别,当识别结果为视距场景时,利用几何定位算法进行定位,当识别结果为非视距场景时,利用分层式支持向量机分类
‑
回归模型进行定位
。2.
根据权利要求1所述的一种基于混合指纹和视距
/
非视距识别的定位方法,其特征在于,所述信号传播场景
‑
信道特征参数集包括信道的增益
、
信道冲击响应的最大幅值
、
上升时间
、
平均超量时延
、
均方根时延扩展
、
峰度系数以及主径功率比
。3.
根据权利要求1所述的一种基于混合指纹和视距
/
非视距识别的定位方法,其特征在于,所述信号传播场景
‑
信道特征参数指纹数据库表示为:其中,其中,为访问节点与第
i
个参考节点之间的视距
/
非视距标签,若为视距则标签若为非视距则标签
N
RP
为参考节点位置的数量;为参考节点位置的数量;为访问节点与第
i
个参考节点之间的信号传播场景
‑
信道特征参数集
。4.
根据权利要求1所述的一种基于混合指纹和视距
/
非视距识别的定位方法,其特征在于,所述最小二乘支持向量机模型通过求解能够正确划分训练数据集并且几何间隔最大的分离超平面将数据划分为不同的类别,类别划分如下式所示:其中,
ω
和
b
是分类模型参数,
[
·
]
T
表示转置,为一个预定义的函数
。5.
根据权利要求1所述的一种基于混合指纹和视距
/
非视距识别的定位方法,其特征在于,所述步骤
S3
中,在对最小二乘支持向量机模型进行训练时,对信号传播场景
‑
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。